AI-agents die je werk uit handen nemen

Wat een agent voor je kan doen

• Binnenkomende e-mail en aanvragen afhandelen. Berichten sorteren, een antwoord in concept zetten en de aanvraag doorzetten naar de juiste collega.
• Documenten lezen. De gegevens uit facturen, contracten of aanvraagformulieren halen, controleren en invoeren in je systemen.
• Vragen beantwoorden uit je eigen kennis. Medewerkers of klanten stellen een vraag en krijgen antwoord uit je handboeken, beleid en bestanden, met de bron erbij.
• Rapporten opstellen. De cijfers uit je systemen omzetten in een weekrapport of samenvatting die alleen nog nagekeken hoeft te worden.
• Werken in je eigen product. Je klanten een assistent geven die uitlegt wat ze zien en hen verder helpt zonder dat ze support hoeven te bellen.

Zo houden we het betrouwbaar

• Hij werkt met jouw informatie. De agent haalt zijn antwoorden uit je eigen documenten en systemen, niet van het openbare internet, en laat zien waar een antwoord vandaan komt.
• Hij werkt in jouw software. We koppelen de agent aan de programma’s die je al gebruikt, zoals je e-mail, documentopslag, CRM of boekhouding. Je mensen hoeven geen nieuw programma te leren.
• Hij heeft duidelijke grenzen. We spreken af wat de agent zelfstandig mag doen en waar een mens moet goedkeuren. Meer dan dat kan hij niet.
• Je kunt het controleren. Elke handeling wordt vastgelegd, zodat je kunt nagaan wat er is gedaan en waarom.

Zo verloopt een project

1. Een eerste gesprek. Jij beschrijft de taak. Wij zeggen eerlijk of een agent daarbij past.
2. Quick Scan. We kijken naar de taak, je gegevens en je systemen en zetten op papier wat er kan, wat ervoor nodig is en wat het kost.
3. Pilot. We bouwen een werkende agent voor die ene taak, met je echte gegevens. Omvang en prijs spreken we vooraf af.
4. Uitrol en ondersteuning. We trainen je mensen, bewaken de kwaliteit en breiden de agent uit naar andere taken wanneer je eraan toe bent.

Praktijkvoorbeeld

FaceReader Online is het onderzoeksplatform van Human Insight Services, een bedrijf binnen onze eigen groep. Dat maakte het de juiste plek om iets ambitieus te bouwen: een set AI-agents die resultaten uitleggen aan gebruikers, rapporten opstellen en de helpdesk ondersteunen. Elk antwoord wordt gecontroleerd aan de hand van de onderliggende data voordat een gebruiker het ziet.

Omdat we het project van begin tot eind zelf hebben uitgevoerd, kunnen we precies laten zien hoe het is gebouwd, wat het heeft gekost en waar de grenzen liggen. Een conceptrapport kost nu nog maar een fractie van de tijd die experts er vroeger aan kwijt waren.

Het is het platform van onze eigen groep, dus we konden de schuld niet bij de data van de klant leggen. Alles wat je daar ziet, moesten we zelf werkend krijgen.

Het volledige praktijkvoorbeeld kun je onderaan deze pagina downloaden.

Voor technische lezers

Onder de motorkap gebruiken we grote taalmodellen die informatie ophalen uit je eigen gegevens (RAG), koppelingen met je software via het Model Context Protocol (MCP) en fine-tuning waar een taak daarom vraagt. Op onze pagina Technologie leggen we uit hoe we deze systemen bouwen.